Towards a Unified ASR System for the Armenian Standards

Samuel Chakmakjian (1, 2) , Ilaine Wang (1)

1 ERTIM - Équipe de Recherche en Textes, Informatique, Multilinguisme
2 SeDyL - Structure et Dynamique des Langues

Armenian is a traditionally under-resourced language, which has seen a recent uptick in interest in the development of its tools and presence in the digital domain. Some of this recent interest has centred around the development of Automatic Speech Recognition (ASR) technologies. However, the language boasts two standard variants which diverge on multiple typological and structural levels. In this work, we examine some of the available bodies of data for ASR construction, present the challenges in the processing of these data and propose a methodology going forward.

L'arménien est une langue traditionnellement peu dotée, qui a connu récemment un regain d'intérêt pour le développement de ses outils et de sa présence dans le domaine numérique. Une partie de cet intérêt récent s'est concentrée sur le développement de technologies de reconnaissance automatique de la parole (ASR). Cependant, la langue comprend deux variantes standard qui divergent à de nombreux niveaux typologiques et structurels. Dans ce travail, nous examinons certains des corpus de données disponibles pour la construction d'un système de reconnaissance automatique de la parole, nous présentons les défis posés par le traitement de ces données et nous proposons une méthodologie pour les étapes ultérieures.

Mots clés: Armenian language; speech corpus ASR forced alignment; speech corpus; ASR; forced alignment; Armenian NLP variation

Domaines: Linguistique; Informatique et langage [cs.CL]

Samuel Chakmakjian, Ilaine Wang. Towards a Unified ASR System for the Armenian Standards. DigitArm Workshop at the International Conference on the 13th Language Resources and Evaluation (LREC 2022), Jun 2022, Marseille, France. pp.38-42. ⟨hal-04059100⟩